Gobierno y Decisiones Públicas
Profesor: Dr. José Manuel Magallanes, PhD

Una mirada a la data del Mininter¶

Open In Colab

Data proveniente de observatorio

Qué se tiene?¶

In [1]:
import geopandas as gpd

PuntosMininter=gpd.read_file("https://github.com/SocialAnalytics-StrategicIntelligence/pnpData/raw/main/features10000.geojson")
PuntosMininter.info()

<class 'geopandas.geodataframe.GeoDataFrame'>
RangeIndex: 10000 entries, 0 to 9999
Data columns (total 24 columns):
 #   Column        Non-Null Count  Dtype   
---  ------        --------------  -----   
 0   direccion     10000 non-null  object  
 1   id_dpto       10000 non-null  object  
 2   departamento  10000 non-null  object  
 3   id_prov       10000 non-null  object  
 4   provincia     10000 non-null  object  
 5   id_dist       10000 non-null  object  
 6   distrito      10000 non-null  object  
 7   cod_cpnp      9999 non-null   object  
 8   comisaria     10000 non-null  object  
 9   id_materia    10000 non-null  int64   
 10  materia       10000 non-null  object  
 11  id_tipo       10000 non-null  int64   
 12  tipo          10000 non-null  object  
 13  id_subtipo    10000 non-null  int64   
 14  subtipo       10000 non-null  object  
 15  id_modalidad  10000 non-null  int64   
 16  modalidad     10000 non-null  object  
 17  anio_hecho    10000 non-null  int64   
 18  mes_hecho     10000 non-null  int64   
 19  dia_hecho     10000 non-null  int64   
 20  turno_hecho   10000 non-null  object  
 21  time          10000 non-null  object  
 22  estado        10000 non-null  int64   
 23  geometry      10000 non-null  geometry
dtypes: geometry(1), int64(8), object(15)
memory usage: 1.8+ MB

Qué grupos se quiere analizar?¶

  • Periodo?
  • Lugar?
In [2]:
# periodo
PuntosMininter.anio_hecho.value_counts()
Out[2]:
anio_hecho
2018    9998
2020       1
2019       1
Name: count, dtype: int64
In [3]:
# provincias
PuntosMininter.provincia.value_counts()
Out[3]:
provincia
LIMA        6190
CALLAO       753
AREQUIPA     611
PIURA        430
TRUJILLO     419
            ... 
PISCO          1
YAULI          1
JAEN           1
AYABACA        1
LORETO         1
Name: count, Length: 70, dtype: int64

La alternativa es Lima 2018:

In [4]:
delitosLima2018=PuntosMininter[(PuntosMininter.provincia=='LIMA') & (PuntosMininter.anio_hecho==2018)]

Explorando Lima 2018¶

Reportes por comisaría:

In [5]:
import pandas as pd

pd.DataFrame(delitosLima2018.comisaria.value_counts()).reset_index(drop=False)
Out[5]:
comisaria count
0 CPNP CANTO REY 363
1 CPNP VILLA EL SALVADOR 247
2 CPNP SOL DE ORO 244
3 CPNP LAURA CALLER IBERICO 218
4 CPNP VILLA MARIA DEL TRIUNFO 209
... ... ...
105 CPNP LA UNIFICADA 5
106 CPNP LAS PRADERAS 4
107 CPNP SAN BARTOLO 4
108 CPNP JICAMARCA 3
109 CPNP MARANGA 1

110 rows × 2 columns

dónde enfocarse?¶

In [6]:
delitosLima2018.comisaria.value_counts().describe()
Out[6]:
count    110.000000
mean      56.254545
std       63.067524
min        1.000000
25%       17.000000
50%       35.000000
75%       66.000000
max      363.000000
Name: count, dtype: float64
In [7]:
# valor de corte?

import matplotlib.pyplot as plt
ax=delitosLima2018.comisaria.value_counts().plot(kind='barh')
new_var = ax.tick_params(axis='y', labelsize=5)
new_var
No description has been provided for this image

Punto de corte: mediana

In [8]:
seleccionComisarias=delitosLima2018.comisaria.value_counts()[delitosLima2018.comisaria.value_counts()>=35].index
seleccionComisarias
Out[8]:
Index(['CPNP CANTO REY', 'CPNP VILLA EL SALVADOR', 'CPNP SOL DE ORO',
       'CPNP LAURA CALLER IBERICO', 'CPNP VILLA MARIA DEL TRIUNFO',
       'CPNP SANTA ANITA', 'CPNP LA PASCANA', 'CPNP ALFONSO UGARTE',
       'CPNP SANTA CLARA', 'CPNP APOLO', 'CPNP MATEO PUMACAHUA', 'CPNP ZARATE',
       'CPNP SURCO', 'CPNP SAN MARTIN DE PORRES', 'CPNP SANTOYO',
       'CPNP PAMPLONA I', 'CPNP INDEPENDENCIA', 'CPNP JESUS MARIA',
       'CPNP SAN BORJA', 'CPNP PUENTE PIEDRA', 'CPNP SAGITARIO',
       'CPNP LA HUAYRONA', 'CPNP SURQUILLO', 'CPNP EL PROGRESO',
       'CPNP HUACHIPA', 'CPNP BREÑA', 'CPNP EL MANZANO', 'CPNP MIRAFLORES',
       'CPNP BARBONCITOS', 'CPNP SANTA ELIZABETH', 'CPNP MAGDALENA',
       'CPNP VILLA', 'CPNP PUEBLO LIBRE', 'CPNP SAN LUIS', 'CPNP MONSERRATE',
       'CPNP LA VICTORIA', 'CPNP BARRANCO', 'CPNP SAN ISIDRO',
       'CPNP MONTERRICO', 'CPNP CHACRA COLORADA', 'CPNP PRO',
       'CPNP URBANIZACION PACHACAMAC', 'CPNP CONDEVILLA', 'CPNP PACHACAMAC',
       'CPNP HUAYCAN', 'CPNP SAN JUAN DE MIRAFLORES', 'CPNP VILLA ALEJANDRO',
       'CPNP PALOMINO', 'CPNP TUPAC AMARU', 'CPNP UNIDAD VECINAL MIRONES ALTO',
       'CPNP LA MOLINA', 'CPNP SAN ANDRES', 'CPNP LURIN', 'CPNP CAJA DE AGUA',
       'CPNP LINCE', 'CPNP TAHUANTINSUYO',
       'CPNP SAN FRANCISCO TABLADA DE LURIN'],
      dtype='object', name='comisaria')

Enfocaremos:

In [9]:
DelitosLima2018_peores=delitosLima2018[delitosLima2018.comisaria.isin(seleccionComisarias)].copy().reset_index(drop=True)
DelitosLima2018_peores
Out[9]:
direccion id_dpto departamento id_prov provincia id_dist distrito cod_cpnp comisaria id_materia ... subtipo id_modalidad modalidad anio_hecho mes_hecho dia_hecho turno_hecho time estado geometry
0 JR. PROGRESO MZ- 15 LT-03 ?PACHACAMAC 15 LIMA 1501 LIMA 150123 PACHACAMAC 2302 CPNP PACHACAMAC 1 ... DAÑOS 1051001 DAÑO SIMPLE 2018 1 1 tarde 1/1/2018, 12:35 PM 1 POINT (-76.85853 -12.23112)
1 AV. REVOLUCION Y LA AV. 03 DE OCTUBRE 15 LIMA 1501 LIMA 150142 VILLA EL SALVADOR 2270 CPNP VILLA EL SALVADOR 1 ... PELIGRO COMUN 1120102 CONDUCCION EN ESTADO DE EBRIEDAD O DROGADICCION 2018 1 1 mañana 1/1/2018, 6:40 AM 1 POINT (-76.93689 -12.21293)
2 AV. LOS ALAMOS CON AV. EL SOL SAN JUAN DE LURI... 15 LIMA 1501 LIMA 150132 SAN JUAN DE LURIGANCHO 2090 CPNP CANTO REY 1 ... PELIGRO COMUN 1120101 PELIGRO POR MEDIO DE INCENDIO O EXPLOSION 2018 1 1 madrugada 1/1/2018, 5:10 AM 1 POINT (-76.99931 -11.98653)
3 av. dante cuadra 04 15 LIMA 1501 LIMA 150141 SURQUILLO 2190 CPNP SURQUILLO 1 ... LESIONES 1010311 LESIONES LEVES 2018 1 1 madrugada 1/1/2018, 5:20 AM 1 POINT (-77.01211 -12.11003)
4 JIRON ARGENTINA Y JIRON COLOMBIA CHOSICA 15 LIMA 1501 LIMA 150118 LURIGANCHO 2170 CPNP HUACHIPA 1 ... PELIGRO COMUN 1120102 CONDUCCION EN ESTADO DE EBRIEDAD O DROGADICCION 2018 1 1 mañana 1/1/2018, 8:00 AM 1 POINT (-76.91800 -12.00326)
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
5315 OVALO MIRAFLORES 15 LIMA 1501 LIMA 150122 MIRAFLORES 2215 CPNP MIRAFLORES 1 ... HURTO 1050101 HURTO 2018 1 21 noche 1/21/2018, 7:30 PM 1 POINT (-77.02908 -12.11921)
5316 LAS GAVIOTAS MZ J2 LOTE 04 HUACHIPA 15 LIMA 1501 LIMA 150118 LURIGANCHO 2170 CPNP HUACHIPA 1 ... ROBO 1050215 ROBO AGRAVADO 2018 1 22 mañana 1/22/2018, 11:30 AM 1 POINT (-76.95009 -12.01783)
5317 AV. HIPÓLITO UNANUE Y PROLONGACIÓN CANGALLO 15 LIMA 1501 LIMA 150115 LA VICTORIA 2030 CPNP LA VICTORIA 1 ... VIOLACION DE LA LIBERTAD PERSONAL 1040101 COACCION 2018 1 20 mañana 1/20/2018, 10:00 AM 1 POINT (-77.02070 -12.06614)
5318 Calle José Galvez 550, Miraflores 15074, Perú 15 LIMA 1501 LIMA 150122 MIRAFLORES 2215 CPNP MIRAFLORES 1 ... HURTO 1050107 HURTO AGRAVADO 2018 1 18 tarde 1/18/2018, 4:00 PM 1 POINT (-77.03506 -12.12107)
5319 Calle 4 MZ i LT 10, Santa Anita 15011, Perú 15 LIMA 1501 LIMA 150137 SANTA ANITA 2120 CPNP SANTA ANITA 1 ... HURTO 1050119 HURTO DE VEHICULO 2018 1 22 madrugada 1/22/2018, 2:00 AM 1 POINT (-76.95238 -12.03550)

5320 rows × 24 columns

Mirada global espacial¶

In [10]:
#pip install mapclassify
In [11]:
DelitosLima2018_peores.explore()
Out[11]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Si se necesita los limites distritales:

In [2]:
limitesLima=gpd.read_file("https://github.com/SocialAnalytics-StrategicIntelligence/pnpData/raw/main/LimaDelitos.gpkg", layer='poligonos')
limitesLima.plot()
Out[2]:
<Axes: >
No description has been provided for this image

Capa previa:

In [13]:
import folium

base=limitesLima.explore(name="Limites",color='grey',style_kwds={'fill':False})
m = DelitosLima2018_peores.explore(m=base, name="Points")
# this is completely optional
folium.LayerControl().add_to(m)

m
Out[13]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Exploracion detallada: hora del delito¶

In [14]:
DelitosLima2018_peores.turno_hecho.value_counts()
Out[14]:
turno_hecho
noche        1834
tarde        1332
mañana       1199
madrugada     955
Name: count, dtype: int64
In [15]:
DelitosLima2018_peores.turno_hecho.value_counts().plot(kind='bar')
Out[15]:
<Axes: xlabel='turno_hecho'>
No description has been provided for this image

Cuando valores son similares, suele no verse patrones:

In [16]:
import folium

base=limitesLima.explore(name="Limites",color='grey',style_kwds={'fill':False},tiles='CartoDB positron')
m = DelitosLima2018_peores.explore(m=base, name="Points",
                                   column="turno_hecho",
                                   categorical=True,
                                   cmap=['blue','green','orange','black'])
folium.LayerControl().add_to(m)
m
Out[16]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Veamos tabla de doble entrada:

In [17]:
# columns suma 100%
pd.crosstab(DelitosLima2018_peores['distrito'],DelitosLima2018_peores['turno_hecho'],normalize='columns',margins=True)*100
Out[17]:
turno_hecho madrugada mañana noche tarde All
distrito
ATE 4.816754 3.586322 3.598691 4.354354 4.003759
BARRANCO 1.675393 0.750626 0.654308 1.051051 0.958647
BREÑA 1.256545 1.834862 2.290076 3.003003 2.180451
CARABAYLLO 2.094241 1.584654 1.308615 1.951952 1.672932
CHORRILLOS 3.036649 3.669725 3.162486 4.654655 3.627820
COMAS 5.549738 4.587156 4.362050 3.078078 4.304511
EL AGUSTINO 2.617801 2.085071 2.181025 1.951952 2.180451
INDEPENDENCIA 3.036649 2.251877 3.707743 1.576577 2.725564
JESUS MARIA 0.837696 1.751460 2.290076 2.552553 1.973684
LA MOLINA 0.732984 0.667223 0.654308 0.675676 0.676692
LA VICTORIA 2.198953 4.170142 3.925845 5.180180 3.984962
LIMA 4.712042 7.422852 6.324973 7.582583 6.597744
LINCE 1.047120 0.583820 0.490731 0.750751 0.676692
LOS OLIVOS 10.157068 5.504587 7.251908 5.105105 6.842105
LURIGANCHO 1.989529 1.251043 1.254089 1.801802 1.522556
LURIN 1.256545 1.000834 1.254089 1.801802 1.334586
MAGDALENA DEL MAR 0.837696 1.084237 1.417666 0.750751 1.071429
MIRAFLORES 0.628272 1.501251 0.981461 1.801802 1.240602
PACHACAMAC 0.732984 0.417014 1.254089 0.675676 0.827068
PUEBLO LIBRE 1.256545 1.000834 0.981461 0.975976 1.033835
PUENTE PIEDRA 1.989529 1.751460 1.962923 1.876877 1.898496
RIMAC 1.361257 1.751460 1.035987 1.126126 1.278195
SAN BORJA 1.047120 2.168474 1.908397 2.402402 1.936090
SAN ISIDRO 0.209424 1.251043 0.981461 1.126126 0.939850
SAN JUAN DE LURIGANCHO 13.193717 14.762302 11.832061 12.387387 12.875940
SAN JUAN DE MIRAFLORES 3.141361 3.753128 2.181025 3.003003 2.913534
SAN LUIS 1.465969 1.000834 0.708833 1.051051 0.996241
SAN MARTIN DE PORRES 6.701571 7.005838 7.306434 6.531532 6.936090
SANTA ANITA 3.769634 4.086739 4.089422 3.378378 3.853383
SANTIAGO DE SURCO 3.979058 4.587156 5.725191 4.879880 4.943609
SURQUILLO 1.884817 1.334445 1.908397 2.027027 1.804511
VILLA EL SALVADOR 5.130890 5.504587 6.324973 4.954955 5.582707
VILLA MARIA DEL TRIUNFO 5.654450 4.336947 4.689204 3.978979 4.605263

Hay valor atípico:

In [18]:
# normalize all

import seaborn as sns

delitos_margins=pd.crosstab(DelitosLima2018_peores['distrito'],DelitosLima2018_peores['turno_hecho'],normalize='all',margins=False)*100

ax=sns.clustermap(delitos_margins,method='ward', cmap='coolwarm', yticklabels=True,annot=True)
ax.tick_params(axis='y', labelsize=6)
Out[18]:
<seaborn.matrix.ClusterGrid at 0x169018810>
No description has been provided for this image

  • Saquemos al atípico.

  • Qué deseamos?: agrupar distritos

  • Como es el delito en el distrito a lo largo del dia? a. Según los conteos del ditrito

In [19]:
DelitosLima2018_peores_sinSJL=DelitosLima2018_peores[DelitosLima2018_peores['distrito']!='SAN JUAN DE LURIGANCHO']


delitos_margins=pd.crosstab(DelitosLima2018_peores_sinSJL['distrito'],DelitosLima2018_peores_sinSJL['turno_hecho'],normalize='index')*100
ax=sns.clustermap(delitos_margins, method='ward',cmap='coolwarm', yticklabels=True,annot=True)
ax.tick_params(axis='y', labelsize=6)
Out[19]:
<seaborn.matrix.ClusterGrid at 0x16aabf890>
No description has been provided for this image 
 b.  Según los conteos de en el turno del día
In [20]:
delitos_margins=pd.crosstab(DelitosLima2018_peores_sinSJL['distrito'],DelitosLima2018_peores_sinSJL['turno_hecho'],normalize='columns')*100

ax=sns.clustermap(delitos_margins, method='ward', cmap='coolwarm', yticklabels=True,annot=True)
ax.tick_params(axis='y', labelsize=6)
Out[20]:
<seaborn.matrix.ClusterGrid at 0x16ab41f10>
No description has been provided for this image

Exploración detallada: tipo de delito¶

Afecta el atípico?

In [21]:
DelitosLima2018_peores.subtipo.value_counts().head(10)
Out[21]:
subtipo
HURTO                                2357
ROBO                                 1793
LESIONES                              355
PELIGRO COMUN                         290
VIOLACION DE LA LIBERTAD SEXUAL       153
ESTAFA Y OTRAS DEFRAUDACIONES          89
SALUD PUBLICA                          38
COMETIDOS POR PARTICULARES             36
USURPACION                             32
VIOLACION DE LA LIBERTAD PERSONAL      23
Name: count, dtype: int64
In [22]:
DelitosLima2018_peores_sinSJL.subtipo.value_counts().head(10)
Out[22]:
subtipo
HURTO                              2084
ROBO                               1518
LESIONES                            319
PELIGRO COMUN                       253
VIOLACION DE LA LIBERTAD SEXUAL     139
ESTAFA Y OTRAS DEFRAUDACIONES        80
SALUD PUBLICA                        34
COMETIDOS POR PARTICULARES           29
USURPACION                           24
DAÑOS                                19
Name: count, dtype: int64
In [23]:
tiposParaAnalisis=DelitosLima2018_peores_sinSJL.subtipo.value_counts().head(5).index
tiposParaAnalisis
Out[23]:
Index(['HURTO', 'ROBO', 'LESIONES', 'PELIGRO COMUN',
       'VIOLACION DE LA LIBERTAD SEXUAL'],
      dtype='object', name='subtipo')
In [24]:
DelitosLima2018_peoresTipos=DelitosLima2018_peores_sinSJL[DelitosLima2018_peores_sinSJL.subtipo.isin(tiposParaAnalisis)]

delitosTipos_margins=pd.crosstab(DelitosLima2018_peoresTipos['distrito'],DelitosLima2018_peoresTipos['subtipo'],normalize='columns')*100

ax=sns.clustermap(delitosTipos_margins, method='ward',cmap='coolwarm', yticklabels=True,annot=True)
ax.tick_params(axis='y', labelsize=6)
Out[24]:
<seaborn.matrix.ClusterGrid at 0x15e142890>
No description has been provided for this image
In [25]:
centroidLima=DelitosLima2018_peoresTipos.dissolve().centroid

/var/folders/2n/bkfhfqq16r78g3hf7pdj56y40000gn/T/ipykernel_19423/53041390.py:1: UserWarning: Geometry is in a geographic CRS. Results from 'centroid' are likely incorrect. Use 'GeoSeries.to_crs()' to re-project geometries to a projected CRS before this operation.

  centroidLima=DelitosLima2018_peoresTipos.dissolve().centroid
In [26]:
import folium

from folium import plugins

y=centroidLima.y[0]
x=centroidLima.x[0]

map = folium.Map(location=[y, x], tiles="CartoDB positron", zoom_start=10)

#qué delito?
Cuales=DelitosLima2018_peoresTipos[DelitosLima2018_peoresTipos.subtipo.isin(['HURTO','ROBO'])]

heat_data = [[point.xy[1][0], point.xy[0][0]] for point in Cuales.geometry]


plugins.HeatMap(heat_data).add_to(map)

map
Out[26]:
Make this Notebook Trusted to load map: File -> Trust Notebook
In [27]:
map = folium.Map(location=[y, x], tiles="CartoDB positron", zoom_start=10)

#qué delito?
Cuales=DelitosLima2018_peoresTipos[DelitosLima2018_peoresTipos.subtipo.isin(['VIOLACION DE LA LIBERTAD SEXUAL'])]

heat_data = [[point.xy[1][0], point.xy[0][0]] for point in Cuales.geometry]


plugins.HeatMap(heat_data).add_to(map)

map
Out[27]:
Make this Notebook Trusted to load map: File -> Trust Notebook
In [28]:
m = folium.Map(location=[y, x], tiles="CartoDB positron", zoom_start=10)

plugins.MarkerCluster(heat_data).add_to(m)


m
Out[28]:
Make this Notebook Trusted to load map: File -> Trust Notebook
In [29]:
# limitesLima.to_file("LimaDelitos.gpkg", layer='poligonos', driver="GPKG")
# delitosLima2018.to_file("LimaDelitos.gpkg", layer='puntos2018', driver="GPKG")

# import fiona
# gpkg = 'LimaDelitos.gpkg'
# layers = fiona.listlayers('LimaDelitos.gpkg')
# layers